- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05611177
ARDS 환자의 ICU 사망률 예측 (POSTCARDS)
기계 학습을 사용하여 급성 호흡곤란 증후군 환자의 사망률 예측
연구 개요
상세 설명
급성 호흡 곤란 증후군(ARDS)은 전 세계 중환자실에서 발생하는 심각한 형태의 급성 저산소혈증 호흡 부전입니다. 대부분의 ARDS 환자는 기계적 환기(MV)가 필요합니다. ARDS의 MV 기간 및 사망률 예측을 조사한 연구는 거의 없습니다.
모델 설명을 위해 조사관은 식별되지 않은 데이터베이스에 포함된 환자로부터 중등도에서 중증 ARDS 진단 후 처음 2일 동안의 데이터를 추출할 것입니다. 수석 조사자(JV)이며 Instituto de Salud Carlos III(ISCIII)에서 자금을 지원했습니다. 조사자는 TRIPOD 지침을 따르고 기계 학습 기술(Random Forest, XGBoost, 로지스틱 회귀 분석 및/또는 신경망)을 구현하여 예측 모델을 개발하고 정확도를 기존 채점 시스템의 정확도와 비교합니다. ICU 중증도 평가(APACHE II, SOFA) 및 PaO2/FiO2 비율. 외부 검증을 위해 연구자들은 현대 관찰 연구(NCT03145974)에 등록된 303명의 환자를 사용할 것입니다. 조사관은 각각의 혼동 행렬과 사망률 및 MV 지속 기간에 대한 민감도, 특이도, 양성 예측 값 및 음성 예측 값과 같은 여러 통계를 계산하여 예측 모델의 정확도를 평가합니다. 연구자는 최소한의 임상 변수로 최상의 확률 모델을 선택합니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Barcelona, 스페인, 08036
- Department of Anesthesia, Hospital Clinic
-
Madrid, 스페인, 28046
- Hospital Universitario La Paz (ICU)
-
-
Las Palmas
-
Las Palmas De Gran Canaria, Las Palmas, 스페인, 35019
- Hospital Universitario Dr. Negrin
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 중등도에서 중증 ARDS에 대한 베를린 기준
제외 기준:
- 수술 후 환자 환기
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 유망한
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
---|---|
유도 코호트
700명의 환자(1000명의 ARDS 환자 중 70%)를 포함합니다.
|
Random Forest, XGBoost 또는 Neural Networks와 같은 강력한 기계 학습 접근 방식을 사용할 것입니다.
다른 이름들:
|
검증 코호트
여기에는 300명의 환자(1000명의 ARDS 환자 중 30%)가 포함됩니다.
|
Random Forest, XGBoost 또는 Neural Networks와 같은 강력한 기계 학습 접근 방식을 사용할 것입니다.
다른 이름들:
|
확인 코호트
303명의 환자를 포함할 예정입니다(외부 검증용).
|
Random Forest, XGBoost 또는 Neural Networks와 같은 강력한 기계 학습 접근 방식을 사용할 것입니다.
다른 이름들:
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
중환자실 사망률
기간: 최대 6개월
|
중환자실에서 사망
|
최대 6개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
---|---|---|
뮤직비디오 길이
기간: ARDS 진단에서 발관까지
|
기계적 환기 기간
|
ARDS 진단에서 발관까지
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Jesús Villar, MD, PhD, Hospital Universitario D. Negrin
간행물 및 유용한 링크
일반 간행물
- Villar J, Ambros A, Mosteiro F, Martinez D, Fernandez L, Ferrando C, Carriedo D, Soler JA, Parrilla D, Hernandez M, Andaluz-Ojeda D, Anon JM, Vidal A, Gonzalez-Higueras E, Martin-Rodriguez C, Diaz-Lamas AM, Blanco J, Belda J, Diaz-Dominguez FJ, Rico-Feijoo J, Martin-Delgado C, Romera MA, Gonzalez-Martin JM, Fernandez RL, Kacmarek RM; Spanish Initiative for Epidemiology, Stratification and Therapies of ARDS (SIESTA) Network. A Prognostic Enrichment Strategy for Selection of Patients With Acute Respiratory Distress Syndrome in Clinical Trials. Crit Care Med. 2019 Mar;47(3):377-385. doi: 10.1097/CCM.0000000000003624.
- Huang B, Liang D, Zou R, Yu X, Dan G, Huang H, Liu H, Liu Y. Mortality prediction for patients with acute respiratory distress syndrome based on machine learning: a population-based study. Ann Transl Med. 2021 May;9(9):794. doi: 10.21037/atm-20-6624.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .
기계 학습 분석에 대한 임상 시험
-
Klein Buendel, Inc.National Institute on Aging (NIA); Penn State University초대로 등록
-
Hvidovre University HospitalElsassFonden종료됨
-
Spaarne GasthuisLeiden University Medical Center모집하지 않고 적극적으로
-
Washington University School of MedicineOrganOx Ltd.; Mid-America Transplant모병